[发明专利]B型与弹性双模态超声跟腱图像拼接方法

摘要

本发明公开一种B型与弹性双模态超声跟腱图像拼接方法。首先，基于边界矢量场提出一种刚性配准的新相似性测度，通过粒子群优化算法最大化该测度实现两幅B型超声跟腱图像的粗配准。其次，对B型图像进行非刚性配准以实现细配准，运用的技术为B样条自由形态形变模型或指数微分同胚模型。然后，利用与B型图像配准时同样的空间变换关系，对两幅弹性超声跟腱图像进行配准。接着，利用加权平均法分别对两幅B型与两幅弹性图像进行图像融合。最后，将多个跟腱节段的多幅超声图进行拼接，分别生成B型和弹性超声图像的全景图。该方法可准确拼接多幅B型与弹性超声图以提供跟腱的双模态全景图，将有助于跟腱损伤的诊断与治疗评估。

主权项

1.一种B型与弹性双模态超声跟腱图像拼接方法，其特征在于：包括以下步骤：/n步骤1：B型超声图像粗配准：基于边界矢量场计算刚性配准的相似性测度，并通过粒子群优化算法最大化所述刚性配准的相似性测度，实现两幅B型超声跟腱图像的粗配准，包括五个子步骤，即：/n步骤1-1：建立特征空间：两幅待拼接双模态超声跟腱图像的B型图像I(x,y)分别生成边缘增强图像，其中x，y表示横纵坐标，包括对I(x,y)进行高斯滤波得到边界图，将边界图转换为二值图，分别沿着二值图的水平和垂直方向逐行逐列扫描计算水平势能函数和垂直势能函数，由水平势能函数和垂直势能函数的梯度计算边界矢量场v_BVF(x,y)＝[u(x,y),v(x,y)]，其中水平分量u(x,y)和垂直分量v(x,y)分别用于强调纵向和横向的组织边缘，即为边缘增强图像；将所述边缘增强图像作为特征图，特征图的所有像素均作为刚性配准的图像特征点；/n步骤1-2：计算相似性测度：所述特征图的归一化互信息作为相似性测度NMI_BVF：/nNMI_BVF＝[H(u₁)+H(u₂)]/H(u₁,u₂)+[H(v₁)+H(v₂)]/H(v₁,v₂) (1)/n式中，H(u_i)和H(v_i)分别是图像I_i的边界矢量场的水平和垂直分量的香农熵，i＝1,2分别代表参考图像I₁和目标图像I₂；H(u₁,u₂)和H(v₁,v₂)分别是边界矢量场的水平和垂直分量的联合熵；/n步骤1-3：建立搜索策略：设定目标图像I₂平移、旋转(t_x,t_y,θ)为粒子，t_x,t_y分别为水平平移量和垂直平移量，θ为旋转角度；在每次迭代后更新粒子位置时，对粒子进行两两交叉操作；计算参考图像I₁和变换后的目标图像I₃之间的归一化互信息NMI_BVF(t_x,t_y,θ)；当NMI_BVF(t_x,t_y,θ)达到最大值时，得到最优的变换矢量(t_x,t_y,θ)；/n步骤1-4：公共区域定位：定位并截取参考图像I₁和目标图像I₂中相互重叠的部分作为参考图像I₁和目标图像I₂间的公共区域，参考图像I₁中与公共区域对应的部分图像为第一公共区域I₁’，目标图像I₂中与公共区域对应的部分图像为第二公共区域I₂’；/n步骤1-5：公共区域变换：对第一公共区域和第二公共区域进行刚性配准，获取两者间的刚性变换关系；并使用所述刚性变换对第二公共区域变换，得到变换后的第二公共区域I₃’；/n步骤2：B型超声图像细配准：运用B样条自由形态形变模型或微分同胚模型，对经过粗配准的两幅B型超声跟腱图像进行非刚性配准，以实现细配准；目标图像I₂在公共区域经粗配准与细配准后变换成公共区域目标图像I₄’，在非公共区域经同样的刚性变换及最近邻插值后的非刚性变换，得到非公共区域目标图像I₄”；/n步骤3：弹性超声图像配准：利用与B型超声跟腱图像配准相同的空间变换关系，对两幅弹性超声跟腱图像进行配准；/n步骤4：两幅B型图融合与两幅弹性图融合：利用加权平均法分别实现两幅B型跟腱图像的融合和两幅弹性跟腱图像的融合；/n步骤5：将多幅B型图中相邻的两幅逐一进行如步骤1、2、4的拼接，形成B型超声跟腱图像的全景图；将多幅弹性图中相邻的两幅逐一进行如步骤3、4的拼接，形成弹性超声跟腱图像的全景图。/n